- 博客(3)
- 收藏
- 关注
RSS订阅原创 datawale ML 入门学习 day3 学习笔记
是什么: 过拟合指的是模型在训练集上表现很好，但在测试集上表现不佳的情况，通常由于模型过于复杂，捕捉到了训练数据中的噪音。- 这样做的意义: 通过增加模型的灵活性（如增加特征或采用深度学习），可以减小模型偏差，提高模型在训练数据上的表现。- 具体怎么做: 使用浅层模型或更简单的非深度学习模型，观察它们的表现，以此判断问题的根源。- 是什么: 不匹配指的是训练集和测试集的分布不同，导致模型在测试集上的表现不佳的问题。- 这样做的意义: 提高模型选择的准确性，确保最终选择的模型在未知数据上也能表现良好。
2024-09-03 23:47:30
287
原创 datawhale ml learning day2
公式可以表示为：`y = wx + b`，其中`w`是权重，`b`是偏置，`x`是输入特征，`y`是输出预测值。怎么做：在具体实现中，我们可以通过引入多个特征值，将这些特征值分别乘以不同的权重，然后通过梯度下降法优化这些权重，最终得到一个更符合实际的模型。这样做的意义：通过合理的优化和超参数调整，模型可以更高效地学习数据特征，减少过拟合或欠拟合的风险，最终提升模型的实际应用效果。这样做的意义：通过引入激活函数，模型可以从简单的线性映射发展到复杂的非线性映射，从而更好地拟合实际数据，提升模型的表现能力。
2024-08-31 23:56:20
420
原创 datawale ML 入门学习 day1 学习笔记
1. 机器学习基础概念机器学习的定义： 机器学习是一种通过算法自动分析数据、学习规律，并据此进行预测或决策的技术。其主要目标是通过数据训练模型，使计算机能够自主解决复杂问题，而无需明确编写规则。 分类和回归： 分类：机器学习中的分类任务涉及将数据分配到预定义的类别中。例如，垃圾邮件过滤是一个典型的分类问题，系统需要学习将邮件分为“垃圾邮件”或“正常邮件”两类。 回归：回归任务的目标是预测一个连续的数值。例如，预测房价就是一个回归问题，系统需要根据输入的特征（如房间数量、面积等）预测房价。
2024-08-27 23:39:23
371
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人